modelscope-funasr这个qwen-audio的训练目前是work了吗？

modelscopefunasr的训练情况

1. 训练数据

modelscopefunasr的训练数据主要来自于公开的语音识别数据集，包括LibriSpeech、WSJ等，这些数据集包含了大量不同场景下的语音数据，可以有效地支持模型的训练。

2. 训练算法

modelscopefunasr采用了深度学习中的序列到序列（Seq2Seq）模型进行训练，该模型通过将输入的语音信号转换为中间的隐藏状态，再将隐藏状态转换为输出的文字序列，实现了端到端的语音识别。

3. 训练效果

经过多轮迭代和优化，modelscopefunasr在多个公开的语音识别数据集上都取得了不错的成绩，在LibriSpeech数据集上，其词错误率（WER）已经达到了较低的水平。

4. 可用性

目前，modelscopefunasr已经完成了训练，并且可以通过API接口进行调用，用户只需要提供待识别的语音文件，即可获得对应的文字转写结果。

5. 性能评估

为了评估modelscopefunasr的性能，我们可以使用以下指标：

5.1 词错误率（WER）

词错误率是衡量语音识别模型性能的重要指标之一，它表示模型预测的文字序列与真实文字序列之间的差异程度，WER越低，模型的性能越好。

5.2 实时性

实时性是指模型在进行语音识别时的延迟时间，对于实时应用场景，如语音助手、在线翻译等，实时性是一个非常重要的指标，modelscopefunasr在这方面也进行了优化，以确保较高的实时性。

6. 归纳

modelscopefunasr的训练目前是work的，并且在多个公开数据集上都取得了不错的成绩，用户可以通过API接口方便地调用该模型进行语音识别，modelscopefunasr在实时性方面也进行了优化，以适应实时应用场景的需求。